پست ها: 2204 پیوست: فوریه 2017 مکان: N/A پلتفرم: Metatrader 4 و 5 نشانگر: همه تشکر شده است: 943
شاخص های مبتنی بر T3 و T3 MT4
شاخص های مبتنی بر T3 و T3 MT4
T3 توسط تیم تیلسون اختراع شد ، T3 به عنوان یک میانگین پیشرفته ، صاف و متحرک ایجاد شد.
مقاله تیم تیلسون در مورد T3 در زیر شرح داده شده است.
میانگین حرکت بهتر تیم تیلسون 1 نوامبر 1998
تیم تیلسون یک مدیر پروژه نرم افزاری در Hewlett-Packard است که دارای مدرک ریاضی و علوم کامپیوتر است. وی به مدت 15 سال گزینه ها و سهام را به صورت خصوصی معامله کرده است.
معرفی
"فیلتر دیجیتال شامل روند صاف کردن ، پیش بینی ، تمایز ، ادغام ، جداسازی سیگنال ها و حذف نویز از یک سیگنال است. بنابراین بسیاری از افرادی که چنین کارهایی را انجام می دهند در واقع از فیلترهای دیجیتالی استفاده می کنند بدون اینکه متوجه شوند که آنها هستند ؛، آنها نه می فهمند که چه کاری انجام داده اند و نه امکاناتی که ممکن است انجام داده اند. "
این نقل قول از R. W. Hamming در مورد اکثریت قریب به اتفاق شاخص های تجزیه و تحلیل فنی اعمال می شود. میانگین حرکت ، چه ساده ، وزنی و چه نمایی ، فیلترهای Lowpass هستند. اجزای فرکانس پایین در سیگنال با میرایی کمی عبور می کنند ، در حالی که فرکانس های بالا به شدت کاهش می یابد.
شاخص های نوع "نوسان ساز" (مانند MACD ، حرکت ، شاخص قدرت نسبی) نوع دیگری از فیلتر دیجیتال به نام تمایز دهنده است. Tushar Chande مشاهده کرده است که بسیاری از نوسان سازهای محبوب بسیار همبسته هستند ، که معقول است زیرا آنها در تلاش هستند تا میزان تغییر سری زمانی اساسی را اندازه گیری کنند ، یعنی سعی می کنند مشتقات اول و دوم باشند که همه ما در حساب کاربری آنها را آموخته ایم.
ما از میانگین های متحرک (فیلترهای Lowpass) در تجزیه و تحلیل فنی استفاده می کنیم تا نویز تصادفی را از یک سری زمانی حذف کنیم ، تا روند اساسی را تشخیص دهیم یا قیمت هایی را که در آن اقدام خواهیم کرد ، تعیین کنیم. یک میانگین متحرک کامل دو ویژگی دارد:
این می تواند صاف و حساس به سر و صدای تصادفی در سری زمانی اساسی باشد. راه دیگر برای گفتن این مسئله این است که مشتق آن به طرز حیرت انگیزی بین ارزشهای مثبت و منفی متناوب نیست.
این از سری زمانی که از آن محاسبه می شود عقب نمی ماند. البته تاخیر ، سیگنال های خرید دیر یا فروش را تولید می کند که سود را از بین می برد.
تنها راهی که می توان یک میانگین متحرک کامل را محاسبه کرد ، آگاهی از آینده است و اگر ما آن را داشتیم ، یک بلیط قرعه کشی در هفته می خریدیم تا تجارت!
(برای توضیح بیشتر به پیوست II در زیر مراجعه کنید). با گفتن این موضوع ، ما هنوز هم می توانیم در میانگین های متحرک ساده ، وزنی یا نمایی معمولی پیشرفت کنیم. در اینجا چگونه:
دو میانگین حرکت جالب
ما دو میانگین متحرک معیار را بر اساس تجزیه و تحلیل رگرسیون خطی بررسی خواهیم کرد.
در هر دو مورد ، یک خط رگرسیون خطی از طول n به داده های قیمت تعبیه شده است.
من اولین ILR های متحرک را می نامم ، که مخفف شیب رگرسیون خطی است. یکی به سادگی شیب یک خط رگرسیون خطی را ادغام می کند ، زیرا به طور پی در پی در یک پنجره متحرک از طول n در داده ها قرار می گیرد ، و ثابت ادغام یک میانگین حرکت ساده از نقاط N اول است. به عبارت دیگر ، مشتق ILRS شیب رگرسیون خطی است. توجه داشته باشید که ILRS همان SMA (میانگین حرکت ساده) طول N نیست ، که در واقع نقطه میانی خط رگرسیون خطی است که در سراسر داده ها حرکت می کند.
ما می توانیم با محاسبه نحوه رفتار آنها در هنگام ورودی خطی با شیب واحد ، تاخیر از میانگین های حرکت را با توجه به یک روند خطی اندازه گیری کنیم. هر دو SMA (N) و ILRS (N) تاخیر N/2 دارند ، اما ILRS بسیار نرم تر از SMA است.
میانگین متحرک معیار دوم ما به خوبی شناخته شده است ، به نام EPMA یا میانگین حرکت نقطه پایان. این نقطه پایانی خط رگرسیون خطی طول N است زیرا در بین داده ها نصب شده است. EPMA داده ها را از نزدیک بیشتر از میانگین حرکت ساده یا نمایی با همان طول در آغوش می گیرد. قیمتی که ما برای این کار می پردازیم این است که از ILRS بسیار پر سر و صدا (صاف تر) است ، و همچنین دارای خاصیت آزار دهنده ای است که در صورت وجود روند خطی ، داده ها را تحت تأثیر قرار می دهد.
با این حال ، EPMA با توجه به ورودی خطی 0 تاخیر دارد! این امر منطقی است زیرا یک خط رگرسیون خطی کاملاً ورودی خطی خواهد بود و نقطه پایانی خط LR در خط ورودی قرار خواهد گرفت.
این دو میانگین متحرک مبادلات تجاری را که با آنها روبرو هستیم قاب می کند. در یک افراطی ما ILRS داریم که بسیار صاف است و تاخیر فاز قابل توجهی دارد. EPMA 0 تاخیر فاز دارد ، اما بسیار پر سر و صدا و بیش از حد است. ما می خواهیم میانگین حرکت بهتری بسازیم که به اندازه ILRS صاف باشد ، اما به جایی که EPMA در آن قرار دارد ، نزدیکتر است ، بدون این که بیش از حد.
یک روش آسان برای تلاش برای این کار ، تقسیم تفاوت است ، یعنی استفاده (ILRS (N)+EPMA (N))/2. این یک میانگین متحرک به ما می دهد (آن را IE/2 بنامید) که بین این دو اجرا می شود ، دارای تاخیر فاز N/4 است اما هنوز هم از EPMA سر و صدای قابل توجهی به ارث می برد. IE/2 الهام بخش است. آیا می توانیم چیزی بسازیم که قابل مقایسه باشد اما نرم تر باشد؟شکل 1 ILRS ، EPMA و IE/2 را نشان می دهد.
تکنیک های فیلتر
هر دانشجوی متفکر تئوری فیلتر (یا آزمایشگر مصمم) متوجه شده است که می‌توانید صافی یک فیلتر را با چندین بار عبور آن از درون خود و به قیمت افزایش تاخیر فاز، بهبود بخشید.
یک تکنیک تکمیلی (به نام twicing توسط J. W. Tukey) وجود دارد که می تواند برای بهبود تاخیر فاز استفاده شود. اگر L مخفف عملکرد داده های در حال اجرا از طریق یک فیلتر پایین گذر است، آنگاه twicing را می توان به صورت زیر توصیف کرد:
L' = L (سری زمانی) + L (سری زمانی - L (سری زمانی))
یعنی یک میانگین متحرک اختلاف بین ورودی و میانگین متحرک را به میانگین متحرک اضافه می کنیم. این از نظر جبری معادل است با:
این میانگین متحرک نمایی دوگانه یا DEMA است که توسط پاتریک مولوی در TASAC (ژانویه/فوریه 1994) رایج شد.
در طبقه‌بندی ما، DEMA دارای تاخیر فازی است (اگرچه به صورت تصاعدی به 0 نزدیک می‌شود) و تا حدودی پر سر و صدا است که با شاخص IE/2 قابل مقایسه است.
ما از این دو تکنیک برای ساخت میانگین متحرک بهتر خود استفاده خواهیم کرد، پس از اینکه مورد اول را کمی دقیق تر بررسی کردیم.
رفع Overshoot
یک EMA n روزه دارای ثابت هموارسازی آلفا=2/(n+1) و تاخیر (n-1)/2 است.
بنابراین EMA(3) دارای تاخیر 1، و EMA(11) دارای تاخیر 5 است. شکل 2 نشان می دهد که، اگر من مایل به 5 روز تاخیر باشم، اگر EMA(3) را از طریق خود اجرا کنم، میانگین متحرک نرم تری دریافت می کنم. بارها نسبت به زمانی که فقط یک بار EMA (11) مصرف کنم.
این نشان می‌دهد که اگر EPMA و DEMA دارای تاخیر 0 یا کم هستند، چرا نسخه‌های سریع (مانند DEMA(3)) را بارها از طریق خودشان اجرا نمی‌کنند تا به نتیجه‌ای هموار دست یابیم؟مشکل این است که اجرای چندگانه با وجود این فیلترها تمایل خود را به بیش از حد داده ها افزایش می دهد و نتیجه غیرقابل استفاده می دهد. این به این دلیل است که پاسخ دامنه DEMA و EPMA در فرکانس‌های خاص بزرگ‌تر از 1 است و در این فرکانس‌ها وقتی چندین بار اجرا می‌شوند، بهره‌ای بسیار بیشتر از 1 می‌دهد. شکل 3 نشان می دهد که DEMA(7) و EPMA(7) 3 بار از خود عبور می کنند. DEMA^3 بیش از حد جدی دارد و EPMA^3 وحشتناک است.
راه حل مشکل بیش از حد این است که به یاد بیاوریم که با دوتایی کردن چه می کنیم:
DEMA(n) = EMA(n) + EMA(سری زمانی - EMA(n))
اصطلاح دوم در واقع یک نسخه صاف از مشتق را به EMA اضافه می کند تا به DEMA برسد. عبارت مشتق تعیین می کند که پاسخ میانگین متحرک به روندهای خطی چقدر داغ خواهد بود. برای رسیدن به بلوک اصلی خود باید به سادگی صدا را کم کنیم:
EMA(n) + EMA(سری زمانی - EMA(n))*. 7;
این از نظر جبری مانند:
من . 7 را به عنوان عامل حجم خود انتخاب کرده ام ، اما فرمول کلی (که من آن را "DEMA عمومی" می نامم):
جایی که V بین 0 تا 1 متغیر است ، وقتی V = 0 ، GD فقط یک EMA است ، و هنگامی که V = 1 ، GD DEMA است. در بین ، GD یک DEMA خنک تر است. با استفاده از یک مقدار برای V کمتر از 1 (من . 7 را دوست دارم) ، ما با هزینه پذیرش برخی از تأخیر فاز اضافی ، مشکل چندگانه DEMA را درمان می کنیم. اکنون می توانیم چندین بار GD را از طریق خود اجرا کنیم تا یک T3 جدید و نرم تر در حال حرکت را تعریف کنیم که داده ها را تحت الشعاع قرار نمی دهد:
در مجالس تئوری فیلتر ، T3 یک فیلتر کالمن غیر خطی شش قطبی است. فیلترهای کالمن مواردی هستند که از این خطا استفاده می کنند (در این حالت (سری زمانی - EMA (N)) برای اصلاح خود. در تجزیه و تحلیل فنی ، اینها به طور متوسط حرکت سازگار نامیده می شوند ؛ آنها سری های زمانی را هنگام انجام حرکات بزرگ تهاجمی تر ردیابی می کنند.
نتایج تجارت
EPMA (15) آبی است ، T3 (6) قرمز است ، IE/2 (15) زرد و ILRS (15) در سکوی Metastock سبز است.
من از Metastock 6. 5 برای مقایسه 5 میانگین متحرک (SMA ، ILRS ، EMA ، DEMA و T3) در شاخص NASDAQ (NDX) از 7/19/93 تا 6/30/97 ، تقریباً چهار سال داده استفاده کردم. من نرخ بهره را 4 ٪ سالانه و هزینه معاملات 1 ٪ برای ورود و خروج تعیین کردم. این واقع بینانه است ، زیرا من می توانم از طریق Fidelity Web Express با قیمت 14. 95 دلار تا 1000 سهم تجارت کنم و یک تجارت معمولی ممکن است 300 سهم از سهام 50 دلار باشد.
سیستم مورد استفاده بسیار ساده بود. میانگین متحرک با استفاده از هر یک از پنج مورد فوق محاسبه شد. یک مشتق گرفته شد (1 نرخ دوره عملکرد تغییر ، ROC). یک موقعیت طولانی در پایین وارد شد و در تاپ های مشتق بسته شد. هیچ شورت گرفته نشده است. به عنوان مثال ، کد "Enter Long" برای EMA این بود:
من اجازه می دهم OPT1 از 2 تا 10 متفاوت باشد. این یک سیستم سریع است که معاملات زیادی را انجام می دهد. جدول زیر بهترین نتیجه ای را که هر MA قادر به دستیابی به آن بود خلاصه می کند. توجه داشته باشید که پارامترهای بهینه متفاوت نیست.
پارامتر بهینه بهترین APR ILRS 7 19. 02 SMA 8 20. 20 EMA 8 28. 17 DEMA 7 28. 81 T3 5 (حجم = . 7) 33. 59 هیچ مجموعه ای از نتایج پشتینهای قطعی نیست. اما این اعداد تأیید می کنند که T3 دارای شایستگی است - نه تنها به نظر می رسد که به نمودار توجه می کند ، بلکه می تواند یک ساختمان قدرتمند در سایر شاخص ها و سیستم های تجاری باشد.
این کاربران از نویسنده Mladen برای پست تشکر کردند (کل 4): LODI • HENDIX • GOLDENBRETT90 • FAULKNERTRADER1
